米国の成人が予想した導入の壁
AIがある作業をこなせても、そのまま会社の業務へ入れられるとは限りません。顧客が人との会話を望む場合や、扱う情報に制約がある場合は、性能とは別の条件が残ります。
Anthropicが2026年10月16日に公表した「The AI Expectations Gap」は、将来のAI利用を妨げる要因を米国の成人に尋ねています。2030年についての集計では、「顧客が人との対応を好む」が41％、「データのプライバシーや安全への懸念」が37％でした。AIの信頼性・正確性の不足と、法律・規制・責任の問題はそれぞれ27％です。
調査全体の対象は米国成人10,980人で、実施は8月11～23日です。将来の設問は回答者を2027年と2030年に分けており、ここでは2030年の集計を扱います。オンラインの登録パネルを使い、人口構成に合わせて補正しています。企業の導入担当者だけを調べたものではありません。
予想の割合を導入失敗率にしない
この設問は、企業が技術的に可能な仕事でもAIを使うとは限らないと説明し、主な障壁を最大三つ選ぶ形式です。複数回答なので合計は100％になりません。37％という値は、情報漏えいが起きた割合や、企業が導入を中止した割合ではありません。
また、将来への予想であり、運用記録から測った成果でもありません。インターネットを使わない人は対象外で、人口構成を補正しても参加者の偏りをすべて取り除けるとは限りません。日本の顧客の好みや、自社の導入効果をこの数字だけで決めることはできません。
それでも、検討項目を性能評価だけに狭めない材料にはなります。正しい回答を作れることと、その回答に使う情報を渡してよいこと、顧客へ自動送信してよいことは、それぞれ別の判断です。
一つの業務で利用条件を具体化する
自社で試すなら、「AIで問い合わせ対応を改善する」という大きな計画を、具体的な作業へ分けます。例えば、過去の問い合わせを分類する、返信案を作る、対応済みの記録を要約するといった単位です。これは調査で実証された手順ではなく、導入条件を整理するための提案です。
作業ごとに、利用を認める情報、担当者が確認する箇所、人へ引き継ぐ条件を決めます。返信案を作るだけなら、送信前の確認を残せます。顧客向けに自動応答するなら、回答できない相談を人が受ける入口も必要です。
試行中に使えなかった案件は、誤回答、情報不足、利用ルール、有人対応の希望などに分けて記録します。モデルの変更で直す課題と、社内の手順や顧客対応で整える課題を分けると、次に何を改善するかを具体的に決められます。
参考資料：Anthropicの調査報告（本文PDF5頁・図2、調査条件は付録2頁）。確認日：2026年11月2日。